Les deux répondent par trois canaux : couvert par les sources, non couvert, ou contredit par elles. Ce qui les distingue, c'est à qui appartiennent les poids, et si ce jugement se forme après la réponse ou pendant qu'elle s'écrit.
La famille qui répond aujourd'hui à chaque conversation.
Nos propres modèles de pointe, entraînés à partir de zéro.
Les deux portent le nom d'une unité de mesure, et ce n'est pas de la décoration. Le lumen mesure la lumière qui arrive vraiment, pas celle qu'on promet sur l'emballage d'une lampe. Et Gauss est le nom derrière les mathématiques de l'incertitude : une distribution sur laquelle on lit un degré de confiance, c'est-à-dire exactement ce que la seconde famille calcule à partir de son propre état caché.
Ce qui les distingue, c'est ce dont elles se souviennent sans aide et la longueur du raisonnement qu'elles peuvent tenir. Ce qu'elles partagent, c'est la capacité de signaler qu'elles ne sont pas sûres.
Rapide et économique. Réponses courtes, classification, reformulation, extraction. Le modèle derrière l'offre gratuite.
Le modèle de travail. Textes longs, code, documents et images dans la même conversation.
Pour les longs contextes et les raisonnements profonds, quand la réponse exige de garder beaucoup d'éléments en tête à la fois. Inclus dès Pro.
En planification. Le sommet de cette famille, pour les travaux où une mauvaise réponse coûte plus cher que la réponse elle-même.
De petits jeux de test écrits à la main, équilibrés de sorte qu'un modèle qui répond toujours et un modèle qui ne répond jamais obtiennent tous deux zéro. Ils montrent si quelque chose fonctionne, pas comment cela se classe face à d'autres systèmes.
Mesuré · 18 septembre 202656 questions sur de courts passages, dont la moitié trouvent leur réponse dans le passage et l'autre non. La discrimination est le taux de refus sur les questions sans réponse moins le taux de refus sur celles qui en ont une : 0 signifie qu'il devine, 100 qu'il ne les confond jamais.
60 affirmations, chacune avec sa source, la moitié étayée et l'autre non ; chaque cas évalué avec des poids ajustés sans lui.
Sur ce jeu, elle classe chaque affirmation étayée au-dessus de chaque affirmation non étayée.
Le score lui-même n'est pas encore bien calibré ; il indique environ 0,8 pour des affirmations toutes étayées, il est donc trop prudent. C'est la prochaine chose à corriger, et la raison pour laquelle le score n'apparaît pas encore en pourcentage dans les réponses.
Onze tâches courantes, chacune passée deux fois par le véritable agent : prix en direct, organigrammes, diagrammes, comparaisons, chronologies, formules, cartes, réponse dans la langue de l'utilisateur, écriture d'un fichier sur l'ordinateur, calcul sur un tableur joint.
Le langage et les sources sont tenus dans des espaces de représentation séparés. Ils sont reliés par un troisième espace dont le seul rôle est d'évaluer la fiabilité de ce lien.
Le produit saisit où les deux espaces concordent, la différence absolue où ils divergent, et les vecteurs bruts conservent ce qu'aucun des deux ne préserve.
Un seul chiffre vous dit à quel point deux sources divergent. Un espace vous dit sur quoi. C'est ce qui rend la couche utile hors ligne : en regroupant les vecteurs, les modes d'échec récurrents du système apparaissent sous forme de groupes, plutôt que comme une longue liste de cas déroutants pris un par un.
Quand les espaces se contredisent, la bonne réponse est : quelque chose ne va pas ici. Pas une moyenne de deux sources contradictoires : faire la moyenne d'une affirmation juste et d'une fausse produit une phrase fluide et subtilement fausse, et les erreurs subtiles sont plus difficiles à repérer que les évidentes.
La couche de cohérence sert aussi de routeur. Elle décide si la recherche doit seulement avoir lieu, et si une requête a besoin du plus grand modèle. Son propre coût reste sous un faible pourcentage à un chiffre du budget d'inférence, et c'est la seule raison pour laquelle elle peut se trouver sur le chemin de la requête.